資料視覺化

曾意儒 Yi-Ju Tseng
2017/05/08 & 15

對應書本章節

8 資料視覺化

大綱

資料視覺化的目的
ggplot2
ggplot2+地圖
台灣面量圖
Heatmap
Treemap

資料視覺化的目的

探索圖 (Exploratory graphs)
- 了解資料的特性
- 尋找資料的模式(patterns)
- 建議資料分析與建模的策略
結果圖 (Final graphs)
- 結果呈現與溝通

探索圖特性

很快就可以做一張圖
探索過程中，可能可以做圖
主要目的是了解資料的樣子
不用做圖形格式調整美化

結果圖特性

比較，呈現差異
- 比較什麼？誰跟誰比較？
呈現因果關係（causality）,機制（mechanism）,結果解釋（explanation）,系統化的結構（systematic structure）
- 因果模型？為什麼你想要做這樣的比較
呈現多變數（Multivariate）資料
- 多變數（Multivariate）：超過兩個變數就叫多變數
- 所有真實事件都是多變數的

結果圖特性

將證據整合呈現
- 在同一個畫面呈現文字、數字、影像、圖表
- 盡量用圖形呈現資料
將圖表做適當的標記與說明，包括xy軸名稱、單位、資料來源等
- 資料圖表必須可以呈現你想說的故事
內容才是最重要的
- 資料不好，分析不好，圖表再美也沒有用

常用的畫圖套件

基本功能(Base)
lattice
ggplot2

ggplot2簡介

Dr. Leland Wilkinson Grammar of Graphics

“In brief, the grammar tells us that a statistical graphic is a mapping from data to aesthetic attributes (colour, shape, size) of geometric objects (points, lines, bars). The plot may also contain statistical transformations of the data and is drawn on a specific coordinate system”

-from ggplot2 book

ggplot2簡介

Hadley Wickham開發
一直是最熱門的R packages之一
ggplot2 GitHub

ggplot2簡介

做圖的文法包括兩個最主要元素
- Aesthetic attributes：包括顏色、形狀、點的大小與線的粗細等
- Geometric objects：包括點、線、盒狀圖、直條圖等
其他元素
- Facets：提供在同一張圖內做多個子圖的方法，只要使用Faceting功能設定子圖分類的依據參數即可
- Stats：將資料做統計轉換
- Scales：修改點線的顏色、形狀、xy軸的範圍等

qplot() - ggplot2 “Hello, world!”

qplot(x軸名稱,y軸名稱,data=使用資料): 散佈圖

library(SportsAnalytics)
NBA1516<-fetch_NBAPlayerStatistics("15-16") 
library(ggplot2) 
qplot(FieldGoalsAttempted, TotalPoints, data = NBA1516)

plot of chunk qplot1

qplot() - Aesthetics

第一個主要元素Aesthetics
包括顏色、形狀、點的大小與線的粗細
加上color=Position，用守備位置Position著色

qplot(FieldGoalsAttempted, TotalPoints, data = NBA1516,color=Position)

plot of chunk qplot2

qplot() 預設散佈圖練習

讀入內建iris資料
用qplot()做圖
- x軸：Sepal.Length
- y軸：Sepal.Width
- 顏色：Species

qplot() - Geometric

第二個主要元素Geometric
包括點、線、盒狀圖、直條圖等
geom = c("point", "smooth") 在圖上加點與漸進線

qplot(FieldGoalsAttempted, TotalPoints, data = NBA1516,
      geom = c("point", "smooth"))

plot of chunk qplot3

qplot() - Histograms直方圖

是單變量
預設圖形: Histograms直方圖

#fill = Position 用守備位置Position著色
qplot(TotalPoints, data = NBA1516, fill = Position)

plot of chunk unnamed-chunk-1

qplot() 預設直方圖練習

讀入內建iris資料
用qplot()做圖
- 單變量：Petal.Width
- 顏色：Species

qplot() - Facets

在同一張圖內做多個子圖的方法
facets =來設定子圖分類的依據參數
設定子圖的語法為直向分類~橫向分類
- 直向分類: 增加列（Row）
- 橫向分類: 增加行（Column
- 如果選擇的是直向，橫向分類部分可用.表示

qplot() - Facets

facets = 直向分類~橫向分類

#. ~ Position 用守備位置Position分群畫圖(橫向)
qplot(FieldGoalsAttempted, TotalPoints, 
      data = NBA1516,
      facets = . ~ Position)

plot of chunk unnamed-chunk-2

qplot() - Facets

facets = 直向分類~橫向分類

#. ~ Position 用守備位置Position分群畫圖(直向)
qplot(FieldGoalsAttempted, TotalPoints, 
      data = NBA1516,
      facets = Position ~ .)

plot of chunk unnamed-chunk-3

qplot() - 其他參數

自動幫使用者選擇顏色與圖形各項參數
使用者也可依需求微調
如直方圖的分組間隔，可透過binwidth參數設定

qplot(TotalPoints, data = NBA1516, 
      facets = Position ~ ., binwidth = 2)

plot of chunk unnamed-chunk-4

qplot() - 其他參數

#. ~ Position 用守備位置Position分群畫圖(直向)
#binwidth = 100 每100分一組
qplot(TotalPoints, data = NBA1516,
      facets = Position ~ ., binwidth = 100)

plot of chunk unnamed-chunk-5

qplot() 綜合練習

讀入內建iris資料
用qplot()做圖
- x軸：Sepal.Length
- y軸：Sepal.Width
- 子圖：Species，每個Species畫在新的欄位

qplot() - 總結

qplot()提供快速方便的畫圖功能
保留部分參數設定的彈性
若需要調整更多參數，仍須使用完整的ggplot()函式

ggplot()

使用ggplot2作圖有以下步驟：

準備好資料
設定Aesthetic attributes
- 使用aes(x, y, ...)指定
指定Geometric objects
- geom_point()
- geom_line()
- geom_polygon()
- geom_errorbar()

ggplot()

library(ggplot2) ##先安裝 install.packages("ggplot2")

首先先產生教學用畫圖資料

df <- data.frame(gp = factor(rep(letters[1:3], each = 10)),y = rnorm(30))

ggplot() 設定重要元素

ggplot(data,…)
Aesthetic attributes
- aes(x = gp, y = y)
Geometric objects
- geom_point()

ggplot(df, aes(x = gp, y = y)) +geom_point()

plot of chunk unnamed-chunk-8

ggplot() geom_boxpolt()

用geom_boxpolt()改畫盒狀圖

ggplot(df, aes(x = gp, y = y)) +geom_boxplot()

plot of chunk unnamed-chunk-9

ggplot() Faceting

df$z<-df$y+rnorm(30)
ggplot(df, aes(x = z, y = y)) +geom_point()+facet_grid(gp~.)

plot of chunk unnamed-chunk-10

ggplot() Faceting

ggplot(df, aes(x = z, y = y)) +geom_point()+facet_grid(.~gp)

plot of chunk unnamed-chunk-11

ggplot() geom_smooth()

替xy散佈圖加上趨勢線

ggplot(df, aes(x = z, y = y)) +geom_point()+facet_grid(gp~.)+geom_smooth()

plot of chunk unnamed-chunk-12

ggplot() geom_smooth()

替xy散佈圖加上趨勢線，使用linear regresion

ggplot(df, aes(x = z, y = y)) +geom_point()+facet_grid(gp~.)+
    geom_smooth(method='lm')

plot of chunk unnamed-chunk-13

ggplot() geom_line()

改用geom_line()畫線

ggplot(df, aes(x = z, y = y)) +geom_line()+facet_grid(gp~.)

plot of chunk unnamed-chunk-14

ggplot() 顏色分組

改用顏色分組，使用aes(color='group name')

ggplot(df, aes(x = z, y = y, color=gp)) +geom_line()

plot of chunk unnamed-chunk-15

ggplot() 綜合練習

讀入內建iris資料
用ggplot()畫xy散佈圖
- x軸：Sepal.Length
- y軸：Sepal.Width
- 子圖：Species，每個Species畫在新的欄位
用ggplot()做盒狀圖
- x軸：Species
- y軸：Sepal.Width

ggplot() 綜合練習

讀入內建iris資料
用ggplot()做折線圖
- x軸：Sepal.Length
- y軸：Sepal.Width
- 顏色：Species

ggplot() 注意事項

提供資料時，把資料修改為想要在圖片顯示的文字
如果是離散性的資料，但卻又是數值時（像是1,2,3）可以用factor()轉換

ggplot() 資料標示+參數設定

標籤 xlab(), ylab(), labs(x=,y=), ggtitle()
每一個geom_*()都有參數可設定
圖形樣式設定 theme()，可使用內建樣式
- theme_gray(): 灰背景，預設樣式
- theme_bw(): 黑白樣式
使用其他樣式套件
- ggthemes packages Website
- xkcd packages Website

ggplot() geom_errorbar()

在比較多組的平均值高低時，因為各組樣本數與資料分佈不同，平均數的誤差值也會不同
在資料視覺化時，建議加上誤差線(Error bar)
誤差線通常使用在bar chart和line chart
誤差值的計算有下列三種選擇：
- Standard deviation (SD) 標準差：呈現資料本質時使用
- Standard error (SE) 標準誤差：呈現預估平均值的可能誤差時使用
- Confidence interval (CI) 信賴區間：呈現預估平均值的信心時使用

ggplot() geom_bar()

以空氣污染料為例，比較各月臭氧濃度差異
bar chart: 將Geometric objects設定為geom_bar

library(datasets) 
library(data.table)
airquality$Month<-as.factor(airquality$Month) #將Month轉為因子變項
airquality.mean<-
    data.table(airquality)[,.(OzoneMean=mean(Ozone,na.rm = T)),
                           by=Month] #計算每月Ozone平均
ggplot()+geom_bar(data=airquality.mean,aes(x=Month,y=OzoneMean),
                  stat = "identity") #stat = "identity" 直接畫數字

ggplot() geom_bar()

plot of chunk unnamed-chunk-17

ggplot() geom_errorbar()

加上geom_errorbar()函式
設定資料高低值，就能在原圖中加上誤差線

airquality.stat<-
    data.table(airquality)[,.(OzoneMean=mean(Ozone,na.rm = T),
                              OzoneSD=sd(Ozone,na.rm = T)),
                           by=Month] #計算每月Ozone平均與標準差
ggplot(data=airquality.stat)+ #資料airquality.eb
    geom_bar(aes(x=Month,y=OzoneMean),stat = "identity")+
    geom_errorbar( #ymin低點, ymax高點
        aes(x=Month,ymin=OzoneMean-OzoneSD,ymax=OzoneMean+OzoneSD), width=.1)

ggplot() geom_errorbar()

plot of chunk unnamed-chunk-19

ggplot2 參考資料

ggplot2+地圖

Choropleth map面量圖
ggmap()
Density Map
參考資料

Choropleth map面量圖

Choropleth map面量圖
把統計資料用顏色畫在對應的地圖上
choroplethr package來畫面量圖
基於ggplot2 package的面量圖做圖工具
建議同時安裝choroplethrMaps package

install.packages(c("choroplethr","choroplethrMaps")) ##第一次使用前先安裝

library(choroplethr)

choroplethr package

內建美國各州地圖與人口學資料
使用state_choropleth()函式畫出美國人口分布

data(df_pop_state) #記載各州人口數的資料
state_choropleth(df_pop_state) #把各州人口畫在地圖上

plot of chunk unnamed-chunk-22

choroplethr package

若在將reference_map設定為= TRUE，可在面量圖的背景加上google地圖

data(continental_us_states)
state_choropleth(df_pop_state,reference_map = TRUE,
                 zoom= continental_us_states) #把各州人口畫在地圖上

plot of chunk unnamed-chunk-23

ggmap package

把google map載入並作圖的套件
基於ggplot2套件開發
第一次使用前需要安裝

install.packages("ggmap", type = "source") ##第一次使用前先安裝

get_map()函式取得google map圖層
- location 地點，可以是地名，也可以是經緯度座標
- zoom 放大倍率
- language 地圖語言
ggmap()函式將取得的圖層畫出來

get_map() + ggmap()

library(ggmap)
twmap <- get_map(location = 'Taiwan', zoom = 7,language = "zh-TW")
ggmap(twmap)

plot of chunk unnamed-chunk-25

ggmap + open data 資料載入

只要資料有經緯度等資訊，就可以使用ggmap package與各式資料結合呈現
台北市水質資料

library(jsonlite) library(RCurl)
WaterData<-fromJSON(getURL("http://data.taipei/opendata/datalist/apiAccess?scope=resourceAquire&rid=190796c8-7c56-42e0-8068-39242b8ec927"))
WaterDataFrame<-WaterData$result$results
WaterDataFrame$longitude<-as.numeric(WaterDataFrame$longitude)
WaterDataFrame$latitude<-as.numeric(WaterDataFrame$latitude)
WaterDataFrame$qua_cntu<-as.numeric(WaterDataFrame$qua_cntu)

ggmap + open data 繪圖

library(ggmap)
TaipeiMap = get_map(location = c(121.43,24.93,121.62,25.19), 
                    zoom = 11, maptype = 'roadmap')
TaipeiMapO = ggmap(TaipeiMap)+ 
    geom_point(data=WaterDataFrame[WaterDataFrame$qua_cntu>=0,], 
               aes(x=longitude, y=latitude,color=qua_cntu,size=3.5))+ 
    scale_color_continuous(low = "yellow",high = "red")+ 
    guides(size=FALSE)
TaipeiMapO

ggmap + open data

plot of chunk unnamed-chunk-28

ggmap + 地圖型態

ggmap套件提供多種地圖型態，使用者可透過設定maptype自行選擇適合的地圖樣式，樣式有：

terrain
terrain-background
satellite
roadmap
hybrid (google maps)
watercolor
toner (stamen maps)

ggmap + extent

透過設定extent參數可將地圖輸出樣式改為滿版

library(ggmap)
TaipeiMap = get_map(location = c(121.43,24.93,121.62,25.19), 
                    zoom = 14, maptype = 'roadmap')
#extent = 'device' 滿版
ggmap(TaipeiMap,extent = 'device')

ggmap() 練習

利用get_map() + ggmap()取得桃園地區的google 圖層
- location = 'Taoyuan'
- zoom = 11
- language = “zh-TW”
在長庚大學所在地（座標121.389539,25.035225）加上一個紅色的點
- geom_point()
- x= 121.389539
- y= 25.035225
- color =“red”

ggmap() 練習輸出圖檔

plot of chunk unnamed-chunk-30

Density Map

常用來表示因地理位置不同的數值差異
美國人口密度圖範例 (ggplot2 + ggmap)

plot of chunk unnamed-chunk-31

Density Map 資料載入

取得美國各州中心座標資料以及美國各州人口資料

#取得美國各州中心座標資料
StateCenter<-data.frame( 
    region=tolower(state.name),lon=state.center$x,lat=state.center$y)
head(StateCenter,1)

   region      lon     lat
1 alabama -86.7509 32.5901

Density Map 資料載入

取得美國各州中心座標資料以及美國各州人口資料

#美國各州人口資料
StatePop<-merge(df_pop_state,StateCenter,by="region") 
head(StatePop,1)

   region   value      lon     lat
1 alabama 4777326 -86.7509 32.5901

Density Map 資料轉換

將人口數字轉換為資料列數
密度圖是用資料列數來決定畫圖的密度

PopPoint<-NULL 
for(i in 1:nrow(StatePop)){
    #每100萬人轉為1點
    for(j in 1:(StatePop[i,"value"]/1000000)){
        PopPoint<-rbind(PopPoint,StatePop[i,])   
    }
}
head(PopPoint,3)

   region   value      lon     lat
1 alabama 4777326 -86.7509 32.5901
2 alabama 4777326 -86.7509 32.5901
3 alabama 4777326 -86.7509 32.5901

Density Map 作圖

USMap <- get_map(location = "United States", zoom = 4)
densityMap<-ggmap(USMap, extent = "device") + 
    geom_density2d(data = PopPoint, aes(x = lon, y = lat), size = 0.3) + 
    stat_density2d(data = PopPoint, 
            aes(x = lon, y = lat, fill = ..level.., alpha = ..level..), 
                size = 0.01, bins = 16, geom = "polygon") + 
    scale_fill_gradient(low = "green", high = "red", guide = FALSE) + 
    scale_alpha(range = c(0, 0.3), guide = FALSE)
densityMap

Density Map 作圖

ggmap 參考資料

Taiwan的面量圖

台灣的面量圖尚無好的套件輔助
Open Data: 台灣鄉鎮市邊界的經緯度檔案
- 鄉鎮市區界線
- 空間資料開放格式shapefile .shp
使用shapefile與ggplot2畫圖的步驟如下：
- 取得空間資料檔案
- 使用rgdal, rgeos,maptools package處理地圖檔shapefile
- 使用ggplot2 & RColorBrewer 畫圖

Taiwan的面量圖程式碼總覽

上述套件在第一次使用前需要安裝與載入

plot of chunk unnamed-chunk-38

Taiwan的面量圖處理shapefile-1

需要rgdal, rgeos,maptools

library(ggplot2) #for fortify(), ggplot(), ggmap()
library(rgdal)#for fortify()
library(rgeos) #for fortify()
library(maptools) #for readShapeSpatial()
#空間資料檔名 請自行下載
tw_new <- readShapeSpatial("Taiwan/Town_MOI_1041215.shp") 
head(tw_new$Town_ID)

[1] 1001402 1001321 1000913 1001411 1001416 1000712

Taiwan的面量圖處理shapefile-2

fortify: 將shapefile物件轉為data.frame

tw_new.df <- fortify(tw_new, region = "T_UID") 
head(tw_new.df,10)

       long      lat order  hole piece id group
1  119.9170 26.17518     1 FALSE     1  1   1.1
2  119.9171 26.17517     2 FALSE     1  1   1.1
3  119.9171 26.17518     3 FALSE     1  1   1.1
4  119.9171 26.17518     4 FALSE     1  1   1.1
5  119.9171 26.17518     5 FALSE     1  1   1.1
6  119.9172 26.17518     6 FALSE     1  1   1.1
7  119.9172 26.17518     7 FALSE     1  1   1.1
8  119.9172 26.17518     8 FALSE     1  1   1.1
9  119.9173 26.17515     9 FALSE     1  1   1.1
10 119.9173 26.17515    10 FALSE     1  1   1.1

Taiwan的面量圖著色基準檔

#做一個假資料來畫
#prevalence設為亂數rnorm(需要的亂數個數)
mydata<-data.frame(NAME_2=tw_new$T_Name, id=tw_new$T_UID,
                   prevalence=rnorm(length(tw_new$T_UID)))
head(mydata)

                  NAME_2  id prevalence
1 \xa6\xa8\xa5\\\xc2\xed 178  1.0551637
2            \xa8ΥV\xb6m 164 -0.6307466
3     \xb3\xc1\xbcd\xb6m 118 -1.2255327
4     \xba\xf1\xaeq\xb6m 376  0.1314583
5  \xc4\xf5\xc0\xac\xb6m 369  1.3665832
6      \xa5Ф\xa4\xc2\xed  78 -0.3132549

Taiwan的面量圖處理中文編碼

利用iconv將不知所以然的代碼（\xa6\xa8\xa5\xc2\xed）轉為看得懂的中文

#from big5 to utf-8  #NAME_2原本是factor
mydata$NAME_2<-iconv(as.character(mydata$NAME_2),
                     from="big5", to = "UTF-8")
head(mydata,10)

   NAME_2  id prevalence
1  成功鎮 178  1.0551637
2  佳冬鄉 164 -0.6307466
3  麥寮鄉 118 -1.2255327
4  綠島鄉 376  0.1314583
5  蘭嶼鄉 369  1.3665832
6  田中鎮  78 -0.3132549
7  社頭鄉  83  1.2072224
8  竹田鄉 157  0.7312959
9  萬丹鄉 148  1.4849184
10 三灣鄉  64  0.6094254

Taiwan的面量圖合併資料

將有prevalence的假數據mydata和經緯度資料tw_new.df合併, 用merge()

final.plot<-merge(tw_new.df,mydata,by="id",all.x=T)
head(final.plot,10)

   id     long      lat order  hole piece group NAME_2 prevalence
1   1 119.9170 26.17518     1 FALSE     1   1.1 南竿鄉  0.9584632
2   1 119.9171 26.17517     2 FALSE     1   1.1 南竿鄉  0.9584632
3   1 119.9171 26.17518     3 FALSE     1   1.1 南竿鄉  0.9584632
4   1 119.9171 26.17518     4 FALSE     1   1.1 南竿鄉  0.9584632
5   1 119.9171 26.17518     5 FALSE     1   1.1 南竿鄉  0.9584632
6   1 119.9172 26.17518     6 FALSE     1   1.1 南竿鄉  0.9584632
7   1 119.9172 26.17518     7 FALSE     1   1.1 南竿鄉  0.9584632
8   1 119.9172 26.17518     8 FALSE     1   1.1 南竿鄉  0.9584632
9   1 119.9173 26.17515     9 FALSE     1   1.1 南竿鄉  0.9584632
10  1 119.9173 26.17515    10 FALSE     1   1.1 南竿鄉  0.9584632

Taiwan的面量圖畫台灣面量圖

library(RColorBrewer) #配色用brewer.pal( 9 , "Reds" )
twcmap<-ggplot() +
    geom_polygon(data = final.plot, 
                 aes(x = long, y = lat, group = group, 
                     fill = prevalence), 
                 color = "black", size = 0.25) + 
    coord_map()+#維持地圖比例
    scale_fill_gradientn(colours = brewer.pal(9,"Reds"))+
    theme_void()+
    labs(title="Prevalence of X in Taiwan")
twcmap

Taiwan的面量圖

plot of chunk unnamed-chunk-45

ggmap+面量圖

library(ggmap)
twmap <- get_map(location = 'Taiwan', zoom = 7,language = "zh-TW")
ggmap(twmap)+ #ggmap
    geom_polygon(data = final.plot,  #面量圖
        aes(x = long, y = lat, group = group, fill = prevalence), 
        color = "grey80", size = 0.1,alpha = 0.5) + 
scale_fill_gradientn(colours = brewer.pal(9,"Reds"))

ggmap+面量圖

plot of chunk unnamed-chunk-47

Heatmap

熱度圖
使用顏色的深淺來表示數值的大小
搭配XY兩軸的變量
使用一張圖就能表示三個維度的資訊
在ggplot2套件中，可以使用geom_tile()來畫Heatmap
以下以NBA球員的資料作為範例

Heatmap

#讀.csv檔案
nba <- read.csv("http://datasets.flowingdata.com/ppg2008.csv")
head(nba,3)

           Name  G  MIN  PTS  FGM  FGA   FGP FTM FTA   FTP X3PM X3PA  X3PP
1  Dwyane Wade  79 38.6 30.2 10.8 22.0 0.491 7.5 9.8 0.765  1.1  3.5 0.317
2 LeBron James  81 37.7 28.4  9.7 19.9 0.489 7.3 9.4 0.780  1.6  4.7 0.344
3  Kobe Bryant  82 36.2 26.8  9.8 20.9 0.467 5.9 6.9 0.856  1.4  4.1 0.351
  ORB DRB TRB AST STL BLK  TO  PF
1 1.1 3.9 5.0 7.5 2.2 1.3 3.4 2.3
2 1.3 6.3 7.6 7.2 1.7 1.1 3.0 1.7
3 1.1 4.1 5.2 4.9 1.5 0.5 2.6 2.3

Heatmap

為了做圖，將寬表轉長表

library(reshape2) #for melt()
nba.m <- melt(nba,id.vars = "Name") #寬表轉長表,以名字作依據
head(nba.m,5)

            Name variable value
1   Dwyane Wade         G    79
2  LeBron James         G    81
3   Kobe Bryant         G    82
4 Dirk Nowitzki         G    81
5 Danny Granger         G    67

geom_tile()

將Geometric objects指定為geom_tile()

library(ggplot2) #for ggplot()
ggplot(nba.m, aes(variable, Name)) + 
    geom_tile(aes(fill = value),colour = "white")+ 
    scale_fill_gradient(low = "white",high = "steelblue")

plot of chunk unnamed-chunk-50

geom_tile() + scale()

因為G欄資料明顯大於其他欄位，導致顏色差異不明顯
將個欄位的資料標準化處理

#scale處理
library(dplyr)
nba.s<-nba %>% mutate_each(funs(scale), -Name) 
head(nba.s,2)

           Name         G       MIN      PTS      FGM      FGA       FGP
1  Dwyane Wade  0.6179300 1.0019702 3.179941 2.920022 2.596832 0.5136017
2 LeBron James  0.7693834 0.6119299 2.566974 1.957185 1.697237 0.4649190
       FTM      FTA        FTP       X3PM      X3PA        X3PP
1 1.917475 2.110772 -0.7401673 -0.1080044 0.1303647 -0.15749098
2 1.778729 1.896589 -0.5233214  0.4920201 0.6971679  0.02738974
          ORB        DRB        TRB      AST      STL       BLK       TO
1 -0.27213551 -0.3465676 -0.3287465 1.652247 2.558238 1.2064646 1.790445
2 -0.06117775  1.0080940  0.6605370 1.516147 1.367252 0.8627425 1.059651
          PF
1 -0.2984568
2 -1.3903719

geom_tile() + scale()

nba.s.m <- melt(nba.s) ##寬轉長
ggplot(nba.s.m, aes(variable, Name)) + 
    geom_tile(aes(fill = value),colour = "white")+ 
    scale_fill_gradient(low = "white",high = "steelblue")

plot of chunk unnamed-chunk-52

How to Make a Heatmap – a Quick and Easy Solution

Heatmap 練習

下載小兒麻痺盛行率資料
將資料載入R
表格是寬表，需要轉成長表
有缺值（-），用NA取代
- 方法一 gsub()
- 方法二 ifelse()
盛行率欄位轉換成數值
- as.numeric()
用年份當x軸，州名當y軸，區塊顏色用盛行率填入
- low = “white”,high = “steelblue”

Treemap

Treemap(矩形式樹狀結構繪圖法)
以二維平面的方式展示包含階層結構（hierarchical）形式的統計資訊
treemap packages

treemap()

library(treemap)
data(GNI2014)
treemap(GNI2014,
       index=c("continent", "iso3"), #分組依據
       vSize="population", #區塊大小
       vColor="GNI", #顏色深淺
       type="value")

plot of chunk treemap1

互動式資料呈現

參考資料

官方網站文件
RStudio製作的ggplot cheat sheet
DataCamp課程1 Data Visualization with ggplot2 (Part 1)
DataCamp課程2 Data Visualization with ggplot2 (Part 2)
DataCamp課程3 Data Visualization with ggplot2 (Part 3)
每個人心中都有一碗巷口的牛肉湯

資料視覺化

對應書本章節

大綱

資料視覺化的目的

探索圖特性

結果圖特性

結果圖特性

常用的畫圖套件

ggplot2簡介

ggplot2簡介

ggplot2簡介

qplot() - ggplot2 “Hello, world!”

qplot() - Aesthetics

qplot() 預設散佈圖練習

qplot() - Geometric

qplot() - Histograms直方圖

qplot() 預設直方圖練習

qplot() - Facets

qplot() - Facets

qplot() - Facets

qplot() - 其他參數

qplot() - 其他參數

qplot() 綜合練習

qplot() - 總結

ggplot()

ggplot()

ggplot() 設定重要元素

ggplot() geom_boxpolt()

ggplot() Faceting

ggplot() Faceting

ggplot() geom_smooth()

ggplot() geom_smooth()

ggplot() geom_line()

ggplot() 顏色分組

ggplot() 綜合練習

ggplot() 綜合練習

ggplot() 注意事項

ggplot() 資料標示+參數設定

ggplot() geom_errorbar()

ggplot() geom_bar()

ggplot() geom_bar()

ggplot() geom_errorbar()

ggplot() geom_errorbar()

ggplot2 參考資料

ggplot2+地圖

Choropleth map面量圖

choroplethr package

choroplethr package

ggmap package

get_map() + ggmap()

ggmap + open data 資料載入

ggmap + open data 繪圖

ggmap + open data

ggmap + 地圖型態

ggmap + extent

ggmap() 練習

ggmap() 練習輸出圖檔

Density Map

Density Map 資料載入

Density Map 資料載入

Density Map 資料轉換

Density Map 作圖

Density Map 作圖

ggmap 參考資料

Taiwan的面量圖

Taiwan的面量圖 程式碼總覽

Taiwan的面量圖 處理shapefile-1

Taiwan的面量圖 處理shapefile-2

Taiwan的面量圖 著色基準檔

Taiwan的面量圖 處理中文編碼

Taiwan的面量圖 合併資料

Taiwan的面量圖 畫台灣面量圖

Taiwan的面量圖

ggmap+面量圖

ggmap+面量圖

Heatmap

Heatmap

Heatmap

geom_tile()

geom_tile() + scale()

Taiwan的面量圖程式碼總覽

Taiwan的面量圖處理shapefile-1

Taiwan的面量圖處理shapefile-2

Taiwan的面量圖著色基準檔

Taiwan的面量圖處理中文編碼

Taiwan的面量圖合併資料

Taiwan的面量圖畫台灣面量圖